锂电池的健康状态确定方法、装置、设备和存储介质与流程

本技术涉及锂电池领域，并且更具体地，涉及锂电池的健康状态确定方法、装置、设备和存储介质。

背景技术：

1、锂离子电池，即锂电池，凭借其工作电压高、能量和功率密度大以及循环寿命长，在便携式电子设备、电动汽车、航天航空和智能电网等领域作为储能装置被广泛应用。为了更安全高效地使用锂电池，对电池管理系统(battery management system，bms)的状态估计，如电荷状态(state of charge，soc)估计、健康状态(state of health，soh)估计、故障估计等提出了更为严格的精度和稳定性要求。电池健康状态作为电池老化程度的重要指标，对其准确估计对于bms的精确、稳定、安全地运行具有重要意义。

2、传统方法中通常是基于电池容量的退化对电池健康状态进行估计的，然而，容量的退化只是电池健康状态下降的外部表征之一，实际上电池老化是由内部多种老化机制共同主导的，传统方法得到的电池健康状态难以准确反映电池老化程度。

技术实现思路

1、本技术提供了锂电池的健康状态确定方法、装置、设备和存储介质，以得到能够准确反映电池老化程度的电池健康状态。

2、第一方面，本技术提供了一种锂电池的健康状态确定方法，包括：

3、获取锂电池在充电阶段的时域充电数据；

4、从所述时域充电数据中提取分别与所述锂电池的电导率损失、锂库存损失和活性物质损失相关的特征；

5、将提取到的特征和所述时域充电数据中包含的锂电池的运行环境温度输入健康状态预测模型中，得到所述锂电池的健康状态数值，其中，所述健康状态预测模型是基于样本锂电池在充电阶段的样本充电数据进行训练得到的。

6、在一种实现方式中，所述时域充电数据包括增量容量曲线、弛豫电压曲线、电池100％荷电状态内阻以及运行环境温度。

7、在一种实现方式中，所述锂电池的充电阶段包括恒流充电、恒压充电和弛豫静置三个子阶段；

8、所述获取锂电池在充电阶段的时域充电数据，包括：

9、在恒流充电子阶段获取恒流充电电压曲线，根据充电容量以及恒流充电电压曲线确定增量容量曲线；

10、在弛豫静置子阶段获取弛豫电压曲线；

11、基于充电完成后的放电瞬间的电压和电流，确定电池100％荷电状态内阻；

12、获取所述锂电池在充电阶段的运行环境温度。

13、在一种实现方式中，从所述时域信息中提取与锂电池的电导率损失相关的特征，包括：

14、将电池100％荷电状态内阻确定为与锂电池的电导率损失相关的特征。

15、在一种实现方式中，从所述时域信息中提取与锂电池的锂库存损失相关的特征，包括：

16、对所述增量容量曲线进行峰值检测，将第一电压区间内的峰值以及峰值对应的电压确定为与锂电池的锂库存损失相关的特征；以及，

17、基于所述弛豫电压曲线，确定充电完成后的预设时间段内的弛豫电压平均值，将所述弛豫电压平均值确定为与锂电池的锂库存损失相关的特征。

18、在一种实现方式中，从所述时域信息中提取与锂电池的活性物质损失相关的特征，包括：

19、采用动态时间规整算法确定所述增量容量曲线的第二电压区间内的片段与基准片段的相似度，将所述相似度确定为与锂电池的活性物质损失相关的特征，所述基准片段为所述锂电池第一次充放电循环的增量容量曲线中的所述第二电压区间内的片段。

20、在一种实现方式中，所述根据充电容量以及恒流充电电压曲线中的充电电压确定增量容量曲线之后，还包括：

21、采用一维高斯滤波算法对所述增量容量曲线进行滤波处理。

22、在一种实现方式中，还包括：

23、获取样本锂电池在充电阶段的样本充电数据；

24、从所述样本充电数据中提取分别与所述样本锂电池的电导率损失、锂库存损失和活性物质损失相关的样本特征；

25、基于所述样本锂电池的当前最大可用容量以及初始最大可用容量，确定所述样本锂电池的健康状态参照值；

26、将提取到的样本特征和所述样本充电数据中包含的样本锂电池的运行环境温度输入初始非线性回归模型中，基于模型输出的所述样本锂电池的健康状态数值，以及所述样本锂电池的健康状态参照值，对所述初始非线性回归模型的参数进行调整，以得到所述健康状态预测模型。

27、第二方面，本技术提供一种锂电池的健康状态确定装置，包括：

28、获取模块，用于获取锂电池在充电阶段的时域充电数据；

29、提取模块，用于从所述时域充电数据中提取分别与所述锂电池的电导率损失、锂库存损失和活性物质损失相关的特征；

30、确定模块，用于将提取到的特征和所述时域充电数据中包含的锂电池的运行环境温度输入健康状态预测模型中，得到所述锂电池的健康状态数值，其中，所述健康状态预测模型是基于样本锂电池在充电阶段的样本充电数据进行训练得到的。

31、在一种实现方式中，所述时域充电数据包括增量容量曲线、弛豫电压曲线、电池100％荷电状态内阻以及运行环境温度。

32、在一种实现方式中，所述锂电池的充电阶段包括恒流充电、恒压充电和弛豫静置三个子阶段；

33、所述获取模块用于：

34、在恒流充电子阶段获取恒流充电电压曲线，根据充电容量以及恒流充电电压曲线确定增量容量曲线；

35、在弛豫静置子阶段获取弛豫电压曲线；

36、基于充电完成后的放电瞬间的电压和电流，确定电池100％荷电状态内阻；

37、获取所述锂电池在充电阶段的运行环境温度。

38、在一种实现方式中，所述提取模块用于：

39、将电池100％荷电状态内阻确定为与锂电池的电导率损失相关的特征。

40、在一种实现方式中，所述提取模块用于：

41、对所述增量容量曲线进行峰值检测，将第一电压区间内的峰值以及峰值对应的电压确定为与锂电池的锂库存损失相关的特征；以及，

42、基于所述弛豫电压曲线，确定充电完成后的预设时间段内的弛豫电压平均值，将所述弛豫电压平均值确定为与锂电池的锂库存损失相关的特征。

43、在一种实现方式中，所述提取模块用于：

44、采用动态时间规整算法确定所述增量容量曲线的第二电压区间内的片段与基准片段的相似度，将所述相似度确定为与锂电池的活性物质损失相关的特征，所述基准片段为所述锂电池第一次充放电循环的增量容量曲线中的所述第二电压区间内的片段。

45、在一种实现方式中，所述获取模块用于：

46、采用一维高斯滤波算法对所述增量容量曲线进行滤波处理。

47、在一种实现方式中，还包括：训练模块，用于：

48、获取样本锂电池在充电阶段的样本充电数据；

49、从所述样本充电数据中提取分别与所述样本锂电池的电导率损失、锂库存损失和活性物质损失相关的样本特征；

50、基于所述样本锂电池的当前最大可用容量以及初始最大可用容量，确定所述样本锂电池的健康状态参照值；

51、将提取到的样本特征和所述样本充电数据中包含的样本锂电池的运行环境温度输入初始非线性回归模型中，基于模型输出的所述样本锂电池的健康状态数值，以及所述样本锂电池的健康状态参照值，对所述初始非线性回归模型的参数进行调整，以得到所述健康状态预测模型。

52、第三方面，本技术提供一种电子设备，包括：存储器和处理器；

53、所述存储器用于存储计算机程序；

54、所述处理器用于执行所述存储器中存储的计算机程序，所述计算机程序运行时使得所述处理器执行第一方面所述的方法。

55、第四方面，本技术提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器执行时，使得所述处理器执行如第一方面所述的方法。

56、在本技术提供的锂电池的健康状态确定方法、装置、设备和存储介质中，通过获取锂电池在充电阶段的时域充电数据，从锂电池内部的老化机制出发，从时域充电数据中提取与各种老化机制相关的特征，将这些特征和影响锂电池老化的运行环境温度共同作为健康状态预测模型的输入，得到更能准确反映电池老化程度的电池健康状态，从而能够为锂电池的使用和维护提供准确的理论指导，有助于更好地进行锂电池全寿命周期的电池管理。